Dataset Previews
First, initialize by adding tools and declare floating type
using GriddingMachine
using PkgUtility
using Plots
using Plots.PlotMeasures
ENV["GKSwstype"]="100";
FT = Float32;
# use this to fix the problem in generated preview.jl file
F1 = joinpath(@__DIR__, "../../Artifacts.toml");
F2 = joinpath(@__DIR__, "../../../Artifacts.toml");
GRIDDINGMACHINE_ARTIFACTS = (isfile(F1) ? F1 : F2);
predownload_artifact.(["CH_20X_1Y_V1",
"CI_12X_1Y_V1",
"CI_PFT_2X_1Y_V1",
"GPP_MPI_2X_1M_2005_V1",
"GPP_VPM_5X_8D_2005_V1",
"LAI_4X_1M_V1",
"LM_ERA5_4X_1Y_V1",
"LNC_2X_1Y_V1",
"LNC_2X_1Y_V2",
"LPC_2X_1Y_V1",
"NDVI_AVHRR_20X_1M_2018_V1",
"NIRO_AVHRR_20X_1M_2018_V1",
"NIRV_AVHRR_20X_1M_2018_V1",
"SIF740_TROPOMI_1X_1M_2018_V1",
"SLA_2X_1Y_V1",
"SLA_2X_1Y_V2",
"TD_12X_1Y_V1",
"VMAX_CICA_2X_1Y_V1",
"WD_2X_1Y_V1",
"NPP_MODIS_1X_1Y"],
GRIDDINGMACHINE_ARTIFACTS);#=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # 0.4% # 2.0% #### 5.9% ############### 22.2% ############################################################## 86.4% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 1.2% ### 4.8% ######### 13.3% ################################ 44.4% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # 0.4% ####### 10.1% #################### 27.8% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # 0.1% 0.6% # 2.1% ###### 8.4% ####################### 32.5% ################################################################ 89.5% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # 0.0% 0.2% 0.7% # 2.3% ##### 8.3% ################### 27.8% #################################### 51.1% #################################################### 73.2% ################################################################# 91.4% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.2% 1.1% ## 3.8% ########## 13.9% ####################################### 54.2% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # # 1.8% ########### 16.3% ################################### 48.9% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.7% ############## 19.6% ########################################## 59.4% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # # 2.8% ######## 11.3% ############################### 44.3% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 1.1% ############# 19.2% ############################### 43.5% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.0% 0.1% 0.2% 0.6% # 2.3% #### 6.3% ####### 10.1% ######### 13.8% ########## 15.0% ############# 18.3% ############## 20.4% ################ 22.9% ################## 25.4% #################### 27.9% ##################### 30.4% ####################### 32.9% ######################### 35.5% ########################### 38.1% ############################# 40.6% ############################### 43.2% ################################ 45.6% ################################## 48.0% #################################### 50.6% ###################################### 53.2% ######################################## 55.8% ########################################## 58.4% ########################################### 60.8% ############################################# 63.5% ############################################### 66.2% ################################################# 69.0% ################################################### 71.7% ##################################################### 74.5% ####################################################### 77.2% ######################################################### 79.7% ########################################################### 82.4% ############################################################# 85.0% ############################################################### 87.8% ################################################################# 90.6% ################################################################### 93.4% ##################################################################### 96.2% ####################################################################### 98.8% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.0% 0.0% 0.1% 0.3% 1.1% ## 3.9% ##### 7.5% ####### 10.9% ########## 14.3% ############ 17.7% ############### 21.1% ################# 24.6% #################### 28.0% ###################### 31.5% ######################### 35.0% ########################### 38.5% ############################## 41.9% ################################ 45.4% ################################### 48.8% ##################################### 52.2% ######################################## 55.6% ########################################## 59.1% ############################################# 62.6% ############################################### 66.1% ################################################# 69.4% #################################################### 72.9% ###################################################### 76.3% ######################################################### 79.6% ########################################################### 82.8% ############################################################# 85.9% ################################################################ 89.4% ################################################################## 92.8% ##################################################################### 96.1% ####################################################################### 99.5% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.0% 0.0% 0.1% 0.4% # 1.4% ### 4.9% ###### 9.0% ######### 12.9% ############ 16.7% ############## 20.4% ################# 24.2% #################### 27.9% ###################### 31.7% ######################### 35.5% ############################ 39.3% ############################### 43.1% ################################# 46.9% #################################### 50.7% ####################################### 54.5% ######################################### 58.3% ############################################ 62.1% ############################################### 66.0% ################################################## 69.8% #################################################### 73.5% ####################################################### 77.3% ########################################################## 81.0% ############################################################# 84.9% ############################################################### 88.7% ################################################################## 92.4% ##################################################################### 95.9% ####################################################################### 99.2% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.1% 1.1% ### 4.2% ############ 17.0% ############################################ 61.7% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # # 1.8% ########### 15.8% ####################################################### 77.6% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # # 2.7% ######## 12.4% ##################################### 51.6% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.3% 1.2% ## 3.2% ######## 11.6% ################################ 45.1% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # # 1.4% ################### 26.6% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # -=#=# # # -=O#- # # # -=O=# # # # -=O=-# # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # # 2.8% ####### 11.0% ####################### 32.0% ################################################################## 93.0% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # -=#=# # # -=O#- # # # -=O=# # # # -=O=-# # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # ###################### 30.9% ######################################################################## 100.0%
Then, define a function to plot the dataset
function preview_data(ds::GriddedDataset{FT}, ind::Int)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
size=(700,300),
framestyle=:none)
end
function preview_data(ds::GriddedDataset{FT}, ind::Int, clim::Tuple)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
clim=clim,
size=(700,300),
framestyle=:none)
endpreview_data (generic function with 2 methods)
Leaf level datasets
Leaf nitrogen content
LNC_LUT = load_LUT(LeafNitrogenButler{FT}());
mask_LUT!(LNC_LUT, FT[0,Inf]);
LNC_LUT = regrid_LUT(LNC_LUT, Int(size(LNC_LUT.data,2)/180));
preview_data(LNC_LUT, 1)
LNC_LUT = load_LUT(LeafNitrogenBoonman{FT}());
mask_LUT!(LNC_LUT, FT[0,Inf]);
LNC_LUT = regrid_LUT(LNC_LUT, Int(size(LNC_LUT.data,2)/180));
preview_data(LNC_LUT, 1)
Leaf phosphorus content
LPC_LUT = load_LUT(LeafPhosphorus{FT}());
mask_LUT!(LPC_LUT, FT[0,Inf]);
LPC_LUT = regrid_LUT(LPC_LUT, Int(size(LPC_LUT.data,2)/180));
preview_data(LPC_LUT, 1)
Specific leaf area
SLA_LUT = load_LUT(LeafSLAButler{FT}());
mask_LUT!(SLA_LUT, FT[0,Inf]);
SLA_LUT = regrid_LUT(SLA_LUT, Int(size(SLA_LUT.data,2)/180));
preview_data(SLA_LUT, 1)
SLA_LUT = load_LUT(LeafSLABoonman{FT}());
mask_LUT!(SLA_LUT, FT[0,Inf]);
SLA_LUT = regrid_LUT(SLA_LUT, Int(size(SLA_LUT.data,2)/180));
preview_data(SLA_LUT, 1)
Vcmax
VCM_LUT = load_LUT(VcmaxOptimalCiCa{FT}());
mask_LUT!(VCM_LUT, FT[0,Inf]);
VCM_LUT = regrid_LUT(VCM_LUT, Int(size(VCM_LUT.data,2)/180));
preview_data(VCM_LUT, 1)
Stand level datasets
Canopy height
CHT_LUT = load_LUT(CanopyHeightGLAS{FT}());
mask_LUT!(CHT_LUT, FT[0,Inf]);
CHT_LUT = regrid_LUT(CHT_LUT, Int(size(CHT_LUT.data,2)/180));
preview_data(CHT_LUT, 1)
CHT_LUT = load_LUT(CanopyHeightBoonman{FT}());
mask_LUT!(CHT_LUT, FT[0,Inf]);
CHT_LUT = regrid_LUT(CHT_LUT, Int(size(CHT_LUT.data,2)/180));
preview_data(CHT_LUT, 1)
Clumping index
# global clumping index
CLI_LUT = load_LUT(ClumpingIndexMODIS{FT}(), "12X", "1Y");
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
preview_data(CLI_LUT, 1, (0.4,1))
# global clumping index per PFT
CLI_LUT = load_LUT(ClumpingIndexPFT{FT}());
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(CLI_LUT.data,3)
preview_data(CLI_LUT, i, (0.4,1));
end
gif(anim, fps=1)Gross primary productivity
# GPP MPI
GPP_LUT = load_LUT(GPPMPIv006{FT}(), 2005, "2X", "8D");
GPP_LUT = regrid_LUT(GPP_LUT, Int(size(GPP_LUT.data,2)/180));
mask_LUT!(GPP_LUT, FT[-100,Inf]);
anim = @animate for i ∈ 1:46
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=5)# GPP VPM
GPP_LUT = load_LUT(GPPVPMv20{FT}(), 2005, "5X", "8D");
GPP_LUT = regrid_LUT(GPP_LUT, Int(size(GPP_LUT.data,2)/180));
mask_LUT!(GPP_LUT, FT[-100,Inf]);
anim = @animate for i ∈ 1:46
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=5)Leaf area index
LAI_LUT = load_LUT(LAIMonthlyMean{FT}());
LAI_LUT = regrid_LUT(LAI_LUT, Int(size(LAI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(LAI_LUT.data,3)
preview_data(LAI_LUT, i, (0,6));
end
gif(anim, fps=1)Normalized difference vegetation index
NDV_LUT = load_LUT(NDVIAvhrr{FT}(), 2018, "20X", "1M");
NDV_LUT = regrid_LUT(NDV_LUT, Int(size(NDV_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NDV_LUT.data,3)
preview_data(NDV_LUT, i, (0,1));
end
gif(anim, fps=1)Near infrared reflectance of vegetation
NIV_LUT = load_LUT(NIRvAvhrr{FT}(), 2018, "20X", "1M");
NIV_LUT = regrid_LUT(NIV_LUT, Int(size(NIV_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NIV_LUT.data,3)
preview_data(NIV_LUT, i, (0,1));
end
gif(anim, fps=1)Near infrared reflectance of vegetation with offset
NIO_LUT = load_LUT(NIRoAvhrr{FT}(), 2018, "20X", "1M");
NIO_LUT = regrid_LUT(NIO_LUT, Int(size(NIO_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NIO_LUT.data,3)
preview_data(NIO_LUT, i, (0,1));
end
gif(anim, fps=1)Net primary productivity
NPP_LUT = load_LUT(NPPModis{FT}());
mask_LUT!(NPP_LUT, FT[-Inf,1e19]);
NPP_LUT = regrid_LUT(NPP_LUT, Int(size(NPP_LUT.data,2)/180));
NPP_LUT.data .*= 1e9;
preview_data(NPP_LUT, 1)
Sun induced fluorescence
SIF_LUT = load_LUT(SIFTropomi740{FT}(), 2018, "1X", "1M");
mask_LUT!(SIF_LUT, FT[-100,100]);
anim = @animate for i ∈ 1:12
preview_data(SIF_LUT, i, (0,3.5));
end
gif(anim, fps=3)Tree density
TDT_LUT = load_LUT(TreeDensity{FT}(), "12X", "1Y");
mask_LUT!(TDT_LUT, FT[0,Inf]);
TDT_LUT = regrid_LUT(TDT_LUT, Int(size(TDT_LUT.data,2)/180));
preview_data(TDT_LUT, 1, (0, 150000))
Wood density
TDT_LUT = load_LUT(WoodDensity{FT}());
mask_LUT!(TDT_LUT, FT[0,Inf]);
TDT_LUT = regrid_LUT(TDT_LUT, Int(size(TDT_LUT.data,2)/180));
preview_data(TDT_LUT, 1)
Land surface
Land mask
LMK_LUT = load_LUT(LandMaskERA5{FT}());
LMK_LUT = regrid_LUT(LMK_LUT, Int(size(LMK_LUT.data,2)/180));
preview_data(LMK_LUT, 1)
This page was generated using Literate.jl.